南京邮电大学学报(自然科学版)杂志

南京邮电大学学报(自然科学版)杂志2023年第06期

• 基于联合梳状搜索的空间通信载波多普勒频偏捕获算法

  张兆维,刘　琳,刘　慧,师晓晔,潘　甦

  在空间通信中，远距离信号传输和高速载体运动导致很低信噪比和高动态多普勒频偏。为捕获载波多普勒频偏，一方面，低信噪比要求长时间信号累积以聚集能量；另一方面，高动态多普勒频偏在长时间累积过程中导致严重的能量扩散问题。为此，提出一种基于联合梳状搜索（Joint Comb Search, JCS）的多普勒频偏捕获算法。借鉴联合检测和梳状滤波器思想，JCS算法首先建立多个累积周期并从中选择若干个较大元素，然后据此联合构造一个更小的梳状搜索范围，最后在此范围内搜索最大元素作为捕获结果。基于卡方分布，比较了噪声元素和信号元素并推导出捕获概率的理论表达式。理论分析和仿真结果表明，JCS算法能够从梳状搜索范围中滤除大部分噪声元素，从而显著地提高多普勒频偏捕获概率。

• 一种基于忆阻状态逻辑的乘法器电路设计

  严利民,解于丰

  近年来，随着人工智能、机器学习等技术的突破，对于算力尤其是乘法运算的要求越来越高，传统的Von Neumann架构由于“存储墙”遇到瓶颈，存内运算被认为是打破传统Von Neumann架构瓶颈的有效方法。由于能在忆阻器阵列中大规模实现并行运算，输入和输出都由忆阻阻值表示的忆阻状态逻辑成为实现存算一体化的重要方法。在前人对于忆阻状态逻辑研究的基础上，基于华莱士树算法，提出了一种在忆阻器阵列中实现的四位乘法器电路设计。相较于目前最先进的MlutPIM方法，所提出的乘法器在单个3 2压缩器上降低了30%的面积，乘法器整体在面积和延迟上均有较大提升。

• 干扰容忍的北斗卫星通信资源灵活分配技术研究

  黄炜昭,徐　曙,陈　远,黄林超,许超钤

  在考虑波束间干扰的情况下，传统通信频率资源分配方法无法对卫星通信资源进行有效利用。文中基于北斗卫星通信系统，提出了一种灵活的频率资源分配方法以响应通信状态变化。首先，根据每个波束的通信请求，在集群边界上的相邻波束之间部分地分配相同的子信道，在波束内干扰影响较小的范围内使用这些子信道。其次，对每个集群边界处相邻波束之间相同子信道组合进行优化，以最大化卫星通信系统的吞吐量。然后，对灵活性分析模型进行了扩展，将灵活性指数计算为每个评估点的吞吐量与请求速率之比的平均值，可以在系统所处环境变化的情况下对系统的灵活性进行定量评估。最后，对所提出的方法进行了性能评估。仿真结果表明，在系统周围状态变化的情况下，与传统方法相比所提出的方法将灵活性指数提高了15%，可以比传统方法更灵活地分配资源，验证了该方法的有效性。

• 28 GHz CMOS可变增益双向有源移相器设计

  顾壮志,张长春,张　翼,张　瑛,袁　丰

  基于65 nm CMOS工艺设计了一种可用于5G毫米波相控阵系统的可变增益双向有源移相器。该移相器采用二阶多相滤波器产生正交信号，利用矢量调制器实现移相和增益调节，利用开关切换信号传递方向。矢量调制器前级采用吉尔伯特单元对正交信号调幅实现360°移相，后级采用基于交叉耦合结构的可变增益放大器实现低附加相移的增益调节。后仿真结果表明， RMS相位误差小于-3.4°（TX）和-4.2°（RX），RMS增益误差均小于0.5 dB，增益调节范围为11.25 dB，产生的附加相位变化小于±3°（TX）和±1.6°（RX），移相模块的功耗为8.5 mW。

• 直流电力线通信系统中T 型阻抗匹配耦合器的设计及验证

  孙超林,曹自平,崔红涛

  随着可穿戴电子、智能汽车和光伏发电等产业的快速发展，直流电力线通信（DC PLC）作为一种低成本的信号传输方式，正在受到学术界和产业界的大量关注。作为DC PLC系统中重要环节的信号耦合通常由含有耦合变压器的电路来实现，考虑到可穿戴电子和智能汽车等对电子模块尺寸的苛求，一种结构小巧且性能优异的耦合电路在实际应用中将更受欢迎。通过建立DC PLC系统的阻抗模型和进行诺顿电容等效阻抗变换，设计了一种兼顾电力线等效电阻和等效电感且电路结构简单的T 型阻抗匹配耦合器，用于实现发送端、接收端与电力线的阻抗匹配、信号耦合以及隔绝直流的功能。通过仿真和实验测试证实，所设计的T 型带通匹配耦合器相较于阻抗失配条件下的耦合器能够获得3～7dB的增益，且当失配程度增加时所设计的带通匹配耦合器获得了更高的增益，这表明该阻抗匹配耦合电路适合于直流电力线通信使用。

• 基于改进Renyi熵算法的EEG心算任务识别

  李　鑫,黄丽亚

  结构熵是度量网络复杂度的重要手段，为了弥补传统结构熵仅仅关注网络单一特性的问题，提出了一种改进Renyi熵算法来研究心算任务下的EEG脑网络，引入了两个重要网络属性——分形维数和介数中心性来提高网络复杂性的度量能力。之后，基于心算EEG数据计算两两电极间的相位锁定值(PLV)，构建了复杂脑网络，并进行复杂度分析。结果表明，在α频段，心算状态下额叶与顶枕叶的脑同步性低于休息状态，心算状态的脑网络复杂性高于休息状态。利用支持向量机(SVM)实现了休息、心算状态的识别，算法识别准确率达到了88.42%。

• 基于凝胶电解质的柔性可穿戴电子器件

  王　涛,刘　晨,孙亚冬,许峻宾,李冠军,陈雪慧,牛　坚

  利用简便方式制备了高性能凝胶电解质，基于此凝胶电解质成功实现了柔性可穿戴电子器件。实验结果表明，该凝胶电解质具有优异的黏附性、机械性能和电化学性能。因此，基于此凝胶电解质制备所得的柔性可拉伸超级电容器具有优异的储能性能，同时表现出高循环稳定性和弯折稳定性。此外，柔性可拉伸超级电容器还表现出随应变增强的电化学储能行为。得益于此凝胶电解质优良的性能，制备所得的可穿戴传感器件具有良好的可穿戴性并且可以方便且灵敏地监测多种人体运动，在人机交互领域具有潜在的应用价值。

• ConvPiece:基于二维卷积和子图采样的大型知识图谱表示学习模型

  陈云芳,茆昊天,徐晓瑀,杜承俊,陈　杰,张　伟

  基于浅层模型的知识图谱表示学习的目标是学习图上所有的实体和关系的嵌入表示向量，然而浅层模型难以学习到更具表达力的特征。浅层模型采用的嵌入表示矩阵使得训练过程需要消耗大量的计算资源，难以在现实中的大型知识图谱上进行训练。大型知识图谱表示学习模型——ConvPiece，基于锚节点和邻居节点及关系采样策略为知识图谱上的每个节点预计算子图表示，利用二维卷积和Transformer为每个节点聚合采样子图特征得到节点的表示向量，最终输入解码器计算得分并训练。在两个大型知识图谱数据集FB15k 237和WN18RR上的链路预测实验显示，ConvPiece在只有大模型十分之一参数量的情况下分别保持着88%和92%的性能，且分别高出参考模型9%和2%。

• 隐蔽攻击下线性离散切换系统的区间观测器设计

  周　颖,朱　伟,肖　敏

  为解决网络控制系统中状态安全估计问题，研究了线性离散切换系统在隐蔽攻击下区间观测器的设计问题。首先依据隐蔽攻击的条件，得到攻击信号的边界估计。其次针对切换系统构造出能分别估计状态上界和下界的区间观测器。将系统受到的有界干扰与攻击向量视为增广状态变量，构造出增广系统。在满足平均驻留时间条件约束下，采用Lyapunov函数方法，设计出系统切换律，使得切换系统全局指数稳定并满足鲁棒加权H∞性能指标。然后求解线性矩阵不等式，得到切换系统区间观测器参数及增益矩阵，从而有效地获得系统状态边界估计。最后给出的仿真结果表明该区间观测器设计的有效性。

• 融合多模特征注意力机制的伪造文本检测

  单学阳,张振家,孙知信

  伪造文本检测是保证社交安全的重要条件。融合多模特征注意力机制的伪造文本检测，实现多类型伪造文本的检测，并提高其精度。针对目前数据集的不足，根据不同的文本生成模型GPT 2、Grover、LSTM等制作了对应的多伪造类型数据集。融合GLTR、Grover和LP(Language and Physical)3个多模特征，使用注意力机制将该3个模型输出进行融合。设计时空特征融合网络充分提取时序信息和局部空间信息。最后添加分类层完成伪造文本的分类。实验结果表明：融合多模特征和时空特征融合网络可提取更多的伪造信息，同时充分融合了时序和局部空间信息，提升了伪造文本的表征能力，且泛化能力也优于以往网络。

• 一种基于分布式的启发式系统日志解析算法

  万洪杰,马骏臣,孙国梓

  日志在系统管理中被广泛应用于可靠性保证，是检测系统是否异常的重要数据源。在系统日志异常检测流程之前需要将原始的文本结构日志解析成异常检测模型能够识别的结构化日志，为了完成日志解析这一前置任务，提出了很多根据日志特性设计的日志解析算法，从而达到提取结构化日志的目的。针对已有的日志解析算法的不足之处作出改进，以解析效率作为突破点提出了基于分布式的系统日志解析任务分配模型和基于启发式的系统日志解析算法，通过组合分配模型和解析算法完成日志解析任务。利用HDFS和BGL等5种数据集实验验证了模型和算法的可行性和有效性，缩短了日志解析所需花费的时间，提高了日志解析的效率。

• 基于卷积神经网络算法的电网数据治理方法

  徐　欢,张喜铭,杨秋勇,陈韩霏,张艳红

  电网数据治理需要从海量信息中提取有价值的部分，并且去除异常数据。然而，由于缺失值、数据差异和非线性数据关系等问题，现有的数据治理方法在处理大型用电数据集时可能无法应对，并且缺乏协调电力数据分析程序的综合基础设施。为了解决这些问题，开发了一个简单而有效的数据治理模型。首先，将3个模块组合到该模型中，第一个模块部署了数据归因、离群点处理、规范化和类平衡算法，以增强时间序列特征，并产生更好的数据质量，以改善分类器的训练和学习。其次，使用3种不同的机器学习方法作为基础学习模型，这些方法互不相关，对问题各有侧重。然后，使用时间卷积网络整合机器学习算法的输出，以提高分类精度。实验结果表明，与其他方法相比，所提出的方法实现了高度准确、稳健的数据治理性能，验证了该方法的有效性。

• 基于证据理论技术的数据融合及故障分析模型

  周鑫鑫,刘　琴,齐鹏文,杨　婕

  随着物联网技术及传感终端产品的不断成熟和推广，海量终端设备不断接入和应用，对感知终端设备的故障状态检测日益重要。基于证据理论技术，提出了质量分配函数DSM模型，对故障设备的数据特征信息进行融合，以期提高故障诊断的准确率。通过实验仿真和同类相关技术对比分析，研究结果表明：该模型相对支持向量机（SVM）、分类和回归树(CART)和随机森林 (RF)，在准确率、误报率、特异性、精确度等方面测评指标较高，具有较好的先进性和推广意义。